Cette présentation traite de l'automatisation de l'évaluation des anévrismes aortiques via l'intelligence artificielle. Le risque de rupture ou de dissection étant étroitement lié à la tension pariétale, conformément à la loi de Laplace, la mesure précise du diamètre aortique maximal (DAM) est cruciale pour la décision thérapeutique. Cependant, ces mesures manuelles sont chronophages et sujettes à des erreurs de parallaxe si elles ne sont pas effectuées précisément dans l'axe du vaisseau par des radiologues spécialisés.

Arshid Azarine présente ARVA (Augmented Radiology for Vascular Aneurysm), un outil basé sur le deep learning conçu pour automatiser la segmentation de l'aorte, la classification de ses segments et la mesure du diamètre externe maximal, tout en permettant une analyse volumétrique. L'étude rétrospective et multicentrique s'est appuyée sur une base d'entraînement de 1034 volumes et une base d'évaluation de 350 scanners provenant de différents constructeurs (Siemens, Philips). La performance de l'algorithme a été comparée aux mesures de référence établies par une médiane de 19 annotateurs.

Les résultats démontrent une excellente valeur prédictive négative, atteignant 98 % pour l'aorte thoracique ascendante et l'artère suprarénale, garantissant qu'une absence de détection par l'outil correspond à une absence de dilatation. Les différences médianes absolues de mesure restent très faibles (entre 1 et 1,8 mm), s'inscrivant dans la variabilité interobservateur humaine. La qualité de la segmentation volumétrique est également élevée, avec un score de Dice médian de 0,95.

Pour le clinicien, l'utilisation d'ARVA représente un gain de temps considérable en automatisant des tâches répétitives et pénibles, tout en fournissant un rapport structuré incluant des reconstructions multiplanaire (MPR) et un suivi longitudinal. Bien que l'outil soit fiable et reproductible, la validation finale par le radiologue reste indispensable, notamment pour vérifier le masque de segmentation en cas de doute anatomique.